在图像处理和计算机视觉中，形态学是一种广泛应用的工具，特别是在二值或二进制图像处理中。腐蚀（Erosion）是形态学操作中的一种。
腐蚀操作的基本思想是用一个结构元素（structuring element）在原始图像上滑动，如果结构元素内所有的像素点都是1（对于二进制图像，1代表白色，0代表黑色），则保留该中心像素点的值，否则将该像素点设为0。结构元素可以是任何形状和大小，常见的有圆形、方形和十字形。
通过腐蚀操作，可以实现以下几点：
消除小的噪声点：如果一些小的噪声点（像素）小于结构元素的大小，那么它们将被消除。
分离相互接触的物体：如果两个物体在图像中接触，那么腐蚀可以帮助将它们分离。
减小物体的大小：通过腐蚀，物体的边缘部分将被"腐蚀"掉，导致物体整体减小。
对应的，形态学中还有一种相反的操作叫做膨胀（Dilation），它会增加物体的大小并连接靠近的物体。常常，腐蚀和膨胀会联合使用，形成开运算（Opening）和闭运算（Closing）以达到更多的图像处理目标。
在 OpenCV 中，腐蚀操作可以使用函数 cv2.erode() 实现。它的语法是：
dst = cv2.erode(src, kernel, iterations=None, anchor=None, borderType=None, borderValue=None)
其中，参数 src 是原始图像，kernel 是结构元素，iterations 是腐蚀操作的迭代次数，anchor 是锚点的位置，可以是 (-1,-1) 表示位置在结构元素的中心，borderType 和 borderValue 是扩展边界的条件和值，常使用的是 cv2.BORDER_CONSTANT 和 0。
下面的代码演示了如何在 OpenCV 中实现腐蚀操作：
import cv2
import numpy as np
img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)
kernel = np.ones((5,5), np.uint8)
dst = cv2.erode(img, kernel, iterations=1)
cv2.imshow('Erosion', dst)
cv2.waitKey(0)
cv2.destroyAllWindows()
首先，读入一张灰度图像。创建一个 5x5 的圆形结构元素，并将其作为参数传入 cv2.erode() 函数中。迭代次数为 1，也可以根据需要进行调整。最后，使用 cv2.imshow() 显示腐蚀后的图像。
下图分别是原始图像和经过腐蚀后的图像：
